[深度学习] Neural Network Methods for Natural Language Processing（Goldberg 2017新书）

说明： Goldberg Y. Neural Network Methods for Natural Language Processing[M]. Synthesis Lectures on Human Language Technologies, 2017, 10(1): 1-309. 2017新书《面向自然语言处理的神经网络方法》
<scar_tom> 上传 | 大小：2mb

[深度学习] A Review on Deep Learning Techniques Applied to Semantic Segmentation

说明： 这篇论文回顾了各种应用场景下利用深度学习技术解决语义分割问题的情况：首先，我们引入了领域相关的术语及必要的背景知识；然后，我们介绍了主要的数据集以及对应的挑战，帮助研究者选取真正适合他们问题需要及目标的数据集；接下来，我们介绍了现有的方法，突出了各自的贡献以及对本领域的积极影响；最后，我们展示了大量的针对所述方法及数据集的实验结果，同时对其进行了分析；我们还指出了一系列的未来工作的发展方向，并给出了我们对于目前最优的应用深度学习技术解决语义分割问题的研究结论。
<kaka_sherry> 上传 | 大小：7mb

[深度学习] Deep Learning A Practitioner

说明： Deep Learning A Practitioner's Approach，Adam Gibson, Josh Patterson，Looking for one central source where you can learn key findings on machine learning? Deep Learning: A Practitioner's Approach provides developers and data scientists with the most p
<temotemo> 上传 | 大小：19mb

[深度学习] Orelly deeplearning

说明： Orelly深度学习，讲授dl4j的入门使用。以及一些深度学习的基础知识 全彩高清true pdf。
<u011669700> 上传 | 大小：19mb

[深度学习] darknet在windows64下的可执行文件（不支持gpu，支持摄像头）

说明： darknet在windows 64位环境下编译后的执行文件。运行时要求有vs2015运行环境支持。此版本不支持gpu。本执行文件基于opencv2.4.9编译，支持摄像头检测。
<fengfangfang> 上传 | 大小：4mb

[深度学习] Deep Learning: Methods and Applications

说明：
<lointaine_h> 上传 | 大小：8mb

[深度学习] cudnn-7.0-linux-x64-v3.0-prod

说明： cudnn-7.0-linux-x64-v3.0-prod供大家下载安装使用，方便大家。
<u011371629> 上传 | 大小：63mb

[深度学习] Tensorflow官方文档中英文互译

说明： Tensorflow官方文档英文介绍，每段英文介绍后都有中文解释。文档有起步，基础教程，运作方式，python api，c++ api，资源和其他章节。很详细的介绍了mnist数字集入门学习，和一些基本操作。
<dreamsongmxs> 上传 | 大小：3mb

[深度学习] Scikit-learning 学习手册

说明： Scikit-Learn是基于python的机器学习模块，基于BSD开源许可证。 它包含有完善的文档和丰富的机器学习算法。 这个项目最早由DavidCournapeau 在2007 年发起的，目前也是由社区自愿者进行维护。
<th1522856954> 上传 | 大小：39mb

[深度学习] 网络模式MaxFlow

说明： 网络模式Maxflow, 最短路径问题, 最小扩张树问题, 最大流量问题
<tudouzi12345> 上传 | 大小：1mb

[深度学习] Hands On Machine Learning with Scikit Learn and TensorFlow

说明： amazon评分5的tensorflow书，564页，学TensorFlow必读。
<brucesea> 上传 | 大小：7mb

[深度学习] Deep Learning Book Chinese Translation

说明： 第一章、前言 第二章、线性代数 第三章、概率与信息 第四章 、数值计算 第五章、机器学习基础 第六章、深度前馈网络 第七章、深度学习的正则化 第八章、深度模型中的优化 第九章、卷积神经网络 第十章、序列建模：循环和递归网络 第十一章、实用方法 第十二章、应用 第十三章、linear factor 第十四章、自动编码 第十五章、表征学习 第十六章、结构概率模型 第十七章、monte carlo 方法 第十八章、面对区分函数 第十九章、近似推断 内容是分开的，在每个文 件夹下面需要用notepad
<u014727529> 上传 | 大小：1mb